基于實例的歸納學習在遺傳算法策略優(yōu)選中的應用研究.pdf

1、遺傳算法是一種基于概率導向的隨機搜索算法,已被成功地應用到多種學習任務和最優(yōu)化問題中。對于遺傳算法,策略(包括算法流程、算子及其控制參數(shù))的設計和選擇至關重要,會對算法的效率乃至收斂性產(chǎn)生較大影響。然而,策略的選擇沒有完備的標準賴以遵循,尤其要確定適合的算子和控制參數(shù)并非易事。在傳統(tǒng)的遺傳算法求解函數(shù)優(yōu)化問題中,一般都是根據(jù)理論分析和經(jīng)驗確定解決某實際問題的最優(yōu)算子組合和參數(shù)的大致范圍,并且往往需要在實際計算中花費大量時間經(jīng)過反復嘗試來

2、調整,對于策略的選擇具有很大的盲目性。于是,我們嘗試引入一種新的方法,通過訓練函數(shù)的策略試算構建實例庫,抽取函數(shù)表達式的模式,并基于實例進行歸納學習產(chǎn)生知識規(guī)則,來指導其他同類函數(shù)優(yōu)化策略的選擇,從而大幅降低無知識指導情況下反復試錯而造成計算成本消耗的幾率,使得進化計算能夠從先驗的同類問題的計算中“吸取”經(jīng)驗,更加智能地選擇合理的策略,以提高計算的準確性和效率。本文結合歸納學習、基于范例推理、遺傳算法等相關領域的知識和方法,通過探求函數(shù)